Google DeepMind a publicat o retrospectivă detaliată a arcului său de 15 ani de cercetare AI în jocuri, culminând cu parteneriatul său de cercetare cu Fenris Creations, studioul independent din spatele EVE Online - și prezentând programul de cercetare în etape pe care cele două organizații intenționează să îl desfășoare în universul EVE.

Postarea din 21 august, scrisă de Alexandre Moufarek și Adrian Bolton, conectează cele mai vechi rezultate ale învățării de întărire ale laboratorului cu activitatea sa actuală privind agenții generaliști. Este cea mai completă contabilitate de până acum a unui parteneriat dezvăluit pentru prima dată la începutul acestui an și semnalează unde unul dintre laboratoarele de inteligență artificială de top din lume crede că este următoarea graniță a cercetării AI: nu în stăpânirea unui singur joc cu un scor clar, ci în supraviețuirea unei lumi vii care funcționează continuu din 2003.

De la Atari Pixels la AlphaStar

Retrospectiva urmărește lanțul de rezultate ale jocului care a construit programul de cercetare al DeepMind. Deep Q-Network (DQN), descris într-o lucrare Nature din 2015, a învățat să joace 49 de jocuri Atari 2600 direct de la pixeli bruti - de la Pong la Breakout la Space Invaders - fără nicio inginerie specifică jocului, ajutând la catalizarea erei moderne a învățării prin consolidare profundă.

Fiecare etapă ulterioară a produs sisteme mai capabile și mai generale. AlphaGo l-a învins pe campionul mondial Lee Sedol în 2016, o performanță pe care mulți experți o credeau că mai era la un deceniu. AlphaGo Zero a depășit fiecare versiune anterioară învățând în întregime din jocul propriu, iar AlphaZero a generalizat această abordare pentru a stăpâni șah, shogi și Go cu un singur algoritm. MuZero a mers și mai departe, învățând să joace fără să cunoască regulile. În 2019, AlphaStar a atins nivelul de Grandmaster în StarCraft II, navigând prin complexitatea în timp real și informațiile imperfecte.

DeepMind observă că acest spirit de explorare a dus dincolo de jocuri: AlphaFold a aplicat aceleași baze pentru predicția structurii proteinelor, o descoperire recunoscută cu Premiul Nobel pentru Chimie în 2024.

Trecerea către agenții generaliști

Postul încadrează o schimbare fundamentală de direcție. Lucrările anterioare au demonstrat că AI ar putea stăpâni orice joc având în vedere un obiectiv clar și suficient antrenament. Dar, după cum scriu autorii, „lumea reală nu vine cu scoruri și cărți de reguli”. Asta a condus la o întrebare diferită: poate AI să înțeleagă și să interacționeze cu orice lume de joc așa cum ar face-o o persoană?

Vehiculul pentru această ambiție este SIMA, Agentul Multiworld Scalable Instructable. În loc să optimizeze pentru un scor mare, SIMA percepe ceea ce vede un jucător pe ecran, înțelege instrucțiunile în limbaj natural și acționează prin comenzi obișnuite de la tastatură și mouse - nu este nevoie de API-uri sau de acces la codul sursă. SIMA 2, introdus în noiembrie 2025 cu un model Gemini la bază, acționează ca un însoțitor interactiv capabil de raționament și conversație în timp real și realizează o joacă asemănătoare unui om în medii 3D complexe, inclusiv No Man's Sky, Valheim și Hydroneer.

Laboratorul este sincer cu privire la limitele agentului: SIMA 2 încă se luptă cu sarcini cu orizont foarte lung și funcționează dintr-o memorie scurtă constrânsă de fereastra de context necesară pentru interacțiunea cu latență scăzută. Rămâne o previzualizare limitată a cercetării, disponibilă pentru o mică cohortă de academicieni și dezvoltatori de jocuri.

De ce EVE Online

Parteneriatul Fenris Creations oferă DeepMind acces la ceva ce niciun benchmark nu poate replica: un univers persistent, cu un singur fragment, în care mii de jucători împărtășesc o economie cu dinamică reală a ofertei și cererii, rețele comerciale care acoperă mii de sisteme stelare și structuri politice construite în întregime prin interacțiunea jucătorilor.

DeepMind identifică patru capacități pe care mediul este proiectat să le exercite: învățarea continuă fără uitare, memoria care se extinde cu mult dincolo de ferestrele contextului modelului de astăzi, planificarea pe orizont lung pe săptămâni, luni sau chiar ani și dinamică complexă multi-agenți care se întinde pe cooperare, competiție, negociere și economie.

„Împreună cu Google DeepMind, ne îndreptăm spre un teritoriu neexplorat în care AI trebuie să învețe, să se adapteze și să-și amintească la intervale de timp pe care nici un alt mediu de joc nu le cere, ajutându-ne în același timp să înțelegem cum oamenii și AI pot coexista într-un mediu virtual înainte de a trebui să ne confruntăm cu aceleași întrebări în viața reală”, a spus CEO-ul Fenris Creations, Hilmar Pétursson, în postare.

Parteneriatul se întinde pe trei medii distincte. EVE Online oferă universul persistent pe scară largă. EVE Vanguard adaugă luarea deciziilor tactice la persoana întâi, în ritm rapid, creând oportunități de a studia agenții care operează pe mai multe niveluri de abstracție - de la tactici la nivel de convulsii până la strategia de acoperire a galaxiei. EVE Frontier, cu ansamblurile sale inteligente programabile și arhitectura deschisă, prezintă o lume în care regulile se pot schimba.

În mod esențial, programul de cercetare urmează o cale în etape. Începe într-o instanță offline a EVE Online, un sandbox sigur separat de jucătorii live. Apoi progresează prin EVE Frontier pentru a studia modul în care oamenii și agenții pot coexista într-o lume persistentă, deschisă. Doar atunci când capacitățile sunt mature, DeepMind ar lua în considerare să le aducă la jocurile live - și apoi, subliniază postarea, cu scopul de a îmbogăți jocul uman.

AI este deja în cabină

Un rezultat al colaborării este deja în fața jucătorilor. Aura Guidance, care folosește Gemeni pentru a furniza cunoștințe generate de jucători, extrase din întrebări și răspunsuri reale de Ajutor pentru începători, pentru a ajuta noii piloți, a fost lansată în prototip pe 17 februarie 2026 și rulează ca un test A/B controlat care măsoară dacă îmbunătățește reținerea noilor jucători.

Pentru dezvoltatorii de jocuri, mizele pe termen lung sunt semnificative. Un agent de jocuri cu adevărat general - unul care funcționează cu jocurile existente fără modificări ale codului jocului - ar putea alimenta însoțitorii AI care înțeleg cu adevărat lumea jocului, NPC-uri care se adaptează în moduri în care sistemele cu scripturi nu ar putea niciodată și testarea QA robustă în timpul dezvoltării atunci când jocul se schimbă cu fiecare comitere.

Postul se încheie cu încadrarea finală a laboratorului: AI ca catalizator, nu un înlocuitor. „Jocurile au fost întotdeauna o oglindă pentru inteligență”, scriu autorii. Pe măsură ce jocurile devin mai complexe, mai persistente și mai deschise, la fel devin și sistemele AI construite pentru a le naviga - și, ca și în cazul AlphaGo și AlphaFold înainte, DeepMind se așteaptă ca lecțiile învățate în lumile virtuale să se transfere la problemele din cea reală.

Rămâi înaintea AI

De la etapele de învățare prin consolidare până la parteneriate de cercetare de frontieră, ritmul descoperirii nu arată niciun semn de încetinire. AI Buzz Wire acoperă fiecare dezvoltare majoră de cercetare AI cu rapoarte verificate la sursă - fără speculații, fără hype.

Citiți mai multe știri despre cercetarea AI →